基于区域的边坡稳定性分析地层建模方法

目前大部分边坡稳定性分析软件的地层建模采用基于线条的建模方法,这种建模方法手算工作量大,建模繁琐且不直观。本文基于拓扑理论和多边形图的性质,提出了基于区域的二维边坡地层建模方法。在确定边坡计算域多边形后,用户可以任意绘制地层折线,程序自动进行折线求交运算并截除边坡计算域外的部分,然后运用左转搜索算法将计算域分割成一个个地层多边形区域,可以包含复杂内岛等情况,以模拟工程地质剖面中的透镜体及人工处理的区域等。本文的地层建模方法具有多边形区域自动识别功能,减少手工计算量,可以明显地提高边坡稳定性分析软件的建模效率和可视化程度。     

流形元覆盖系统的有向图遍历生成算法研究

在裂隙切割块体生成算法的基础上，结合现有的有限元自适应网格生成技术，系统地探讨了一种基于有向图遍历理论的平面流形元覆盖系统的生成算法。该算法将有限元网格作为流形元覆盖系统的生成所需的数学网格，利用有向图的关联矩阵并结合块体搜索算法，形成最终的流形元覆盖系统。同时，该算法能有效地在现有的各种有限元单元的基础上，形成流形元法所需的流形单元。     

计算机辅助绘制相贯曲面展开图的新方法

讨论了相贯曲面的展开与曲面等距变换的关系，介绍了计算机辅助绘制相贯曲面展开图的方法．     

可持续发展的工程质量观

根据科学与社会发展遇到的环境、资源、能源等问题提出可持续发展的工程质量观,并通过工程质量监管体系来实施。同时,用工程质量连线图的方法,结合实践,集思广义,不断修改完善工程质量监管体系,与时俱进。     

一类路图的哈密尔顿圈

设G是一个图,我们用Π_k(G)表示G中所有具有k个顶点的路P_k所成之集。图G的路图P_k(G)有顶点集Π_k(G),且P_k(G)中的两个顶点相邻表示两条路P_k的并形成G中的一条路P_(k+1)或一个圈C_k。H.J.Broersma和C.Hoeda研究了路图的一些性质,并提出了两个猜想:1)若T是一颗树,△(T)≥4,则P_3(T)不是哈密尔顿图;2)若G是唯一圈图,△(G)≥5,则G不是哈密尔顿图。在本文中,我们证明了这两个猜想是对的。     

基于攻击期望的双模攻击图生成算法

针对网络中心战中已有的攻击图生成算法不考虑对攻击效果的期望,不能适应多种网络脆弱性分析目标的不足,提出了双模攻击图(Two-Mode Attack Graph,TMAG)的概念.该方法以攻击者在网络中所有主机上具有的权限作为状态,以网络弱点和连接情况为辅助,设定网络攻击的单调性,能自动生成精简状态空间的完备攻击图和关键...     

基于图论的指标体系优化方法研究

针对指标体系中指标间存在相互作用,采用层次分析法难以对其进行评估,提出了基于图论的指标体系优化方法,设计了基于最短路径的简化指标相互作用算法和基于可达矩阵的指标层次化算法;将复杂的指标体系简化为层次结构,有效地对指标体系优化.     

采用蒸馏训练的时空图卷积动作识别融合模型

目的 基于深度学习的动作识别方法识别准确率显著提升,但仍然存在很多挑战和困难。现行方法在一些训练数据大、分类类别多的数据集以及实际应用中鲁棒性较差,而且许多方法使用的模型参数量较大、计算复杂,提高模型准确度和鲁棒性的同时对模型进行轻量化仍然是一个重要的研究方向。为此,提出了一种基于知识蒸馏的轻量化时空图卷积动作识别融合模型。方法 改进最新的时空卷积网络,利用分组卷积等设计参数量较少的时空卷积子模型;为了训练该模型,选取两个现有的基于全卷积的模型作为教师模型在数据集上训练,在得到训练好的教师模型后,再利用知识蒸馏的方法结合数据增强技术训练参数量较少的时空卷积子模型;利用线性融合的方法将知识蒸馏训练得到的子模型融合得到最终的融合模型。结果 在广泛使用的NTU RGB + D数据集上与前沿的多种方法进行了比较,在CS(cross-subject)和CV(cross-view)两种评估标准下,本文模型的准确率分别为90.9%和96.5%,与教师模型2s-AGCN(two-stream adaptive graph convolutional networks for skeleton-based action)相比,分别提高了2.4%和1.4%;与教师模型DGNN(directed graph neural network)相比,分别提高了1.0%和0.4%;与MS-AAGCN(multi-stream attention-enhanced adaptive graph convolutional neural network)模型相比,分别提高了0.9%和0.3%。结论 本文提出的融合模型,综合了知识蒸馏、数据增强技术和模型融合的优点,使动作识别更加准确和鲁棒。     

高性能整数倍稀疏网络行为识别研究

目的 行为识别在人体交互、行为分析和监控等实际场景中具有广泛的应用。大部分基于骨架的行为识别方法利用空间和时间两个维度的信息才能获得好的效果。GCN (graph convolutional network)能够将空间和时间信息有效地结合起来,然而基于GCN的方法具有较高的计算复杂度,结合注意力模块和多流融合策略使整个训练过程具有更低的效率。目前大多数研究都专注于算法的性能,如何在保证精度的基础上减少算法的计算量是行为识别需要解决的关键性问题。对此,本文在轻量级Shift-GCN (shift graph convolutional network)的基础上,提出了整数倍稀疏网络IntSparse-GCN (integer sparse graph convolutional network)。方法 首先提出奇数列向上移动,偶数列向下移动,并将移出部分用0替代新的稀疏移位操作,并在此基础上,提出将网络每层的输入输出设置成关节点的整数倍,即整数倍稀疏网络IntSparse-GCN。然后对Shift-GCN中的mask掩膜函数进行研究分析,通过自动化遍历方式得到精度最高的优化参数。结果 消融实验表明,每次算法改进都能提高算法整体性能。在NTU RGB+D数据集的子集X-sub和X-view上,4流IntSparse-GCN+M-Sparse的Top-1精度分别为90.72%和96.57%。在Northwestern-UCLA数据集上,4流IntSparse-GCN+M-Sparse的Top-1精度达到96.77%,较原模型提高2.17%。相比代表性的其他算法,在不同数据集及4个流上的准确率均有提升,尤其在Northwestern-UCLA数据集上提升非常明显。结论 本文针对shift稀疏特征提出整数倍IntSparse-GCN网络,对Shift-GCN中的mask掩膜函数进行研究分析,并设计自动化遍历方式得到精度最高的优化参数,不但提高了精度,也为进一步的剪枝及量化提供了依据。     

图论在无线传感网络路由协议中的应用研究

为降低无线传感网络节点能耗,延长网络生存时间,将图论最优选址问题用于分簇路由协议设计。依据节点剩余能量,结合图论的中心论算法进行簇头选举,以降低和平衡簇内能耗。依据下一跳簇头的能量消耗情况,使用Dijkstra算法设计最佳路由,确定最佳跳数,以降低数据传输的通信能耗,均衡全网能量。将此算法用于机场助航单灯监控系统,并与AL-CAME和ECOMP协议进行对比,仿真结果表明,此算法网络开销最小,节点剩余能量值远大于其他两种算法,网络能耗分布更为均衡,有效延长了网络的生命周期。